Arduino-Pico 4.4.2版本更新解析:SDIO支持与多项优化
项目简介
Arduino-Pico是一个为树莓派RP2040微控制器提供Arduino兼容支持的开发框架。该项目让开发者能够使用熟悉的Arduino API来开发基于RP2040芯片的应用,同时充分利用该芯片的强大性能。最新发布的4.4.2版本带来了多项重要更新,特别是在存储性能和系统稳定性方面有显著提升。
SD/SDIO存储性能大幅提升
4.4.2版本最引人注目的改进是对SD卡访问的重大升级。开发团队进行了以下关键改进:
-
替换底层库:将原有的ESP8266SdFat库替换为最新的SdFat 2.3.0版本,这是一个更现代、维护更好的SD卡访问库。
-
支持SDIO模式:新增了对4位高速SDIO模式的支持。与传统的1位SPI模式相比,SDIO模式可以同时使用DAT0-DAT3四条数据线进行传输,理论上可获得更高的传输速度。实测显示,使用SDIO模式可以达到15MB/s的传输速度,远高于SPI模式的性能。
-
ExFAT文件系统支持:新版本启用了对ExFAT文件系统的支持,这使得开发者能够使用更大容量的存储卡(超过32GB),满足需要处理大量数据的应用场景。
需要注意的是,要使用SDIO模式,开发者需要准备支持4线连接的物理适配器,而不仅仅是传统的SPI接口连接方式。
底层库更新
4.4.2版本还对几个关键底层库进行了更新:
-
LittleFS升级:文件系统库LittleFS更新至v2.10.1版本。LittleFS是一个专为嵌入式系统设计的轻量级文件系统,特别适合在闪存设备上使用。新版本可能带来更好的性能和稳定性。
-
TinyUSB更新:Adafruit TinyUSB库升级至3.4.2版本。TinyUSB是一个开源的跨平台USB协议栈,这次更新可能包含了对USB设备功能的改进和bug修复。
新增开发板支持
本次更新增加了对SparkFun IoT Node LoRaWAN开发板的支持。这是一款集成了LoRa无线通信功能的RP2040开发板,为物联网应用开发提供了便利。开发者现在可以直接在Arduino-Pico环境中为这块板子开发应用。
系统优化与bug修复
4.4.2版本包含了一系列系统优化和bug修复,提高了框架的稳定性和可靠性:
-
PIO音调生成改进:调整了PIO(可编程I/O)音调生成的占空比为50%,使得生成的音调更加标准。
-
ADC输入时钟修复:修复了多路ADC输入时的时钟问题,确保多通道模拟输入的准确性。
-
蓝牙功能恢复:在Pico2和RPiWiFi开发板上恢复了蓝牙TLV(类型-长度-值)功能。
-
NTP时间同步修正:修正了NTP.waitSet()函数的返回值问题,提高了网络时间同步的可靠性。
-
SDK清理:移除了不必要的SDK文件和一些重复的对象定义,优化了库的体积和编译效率。
-
A2DP音频接收改进:修复了A2DP接收器的音量控制和连接回调问题,提升了蓝牙音频接收的稳定性。
总结
Arduino-Pico 4.4.2版本是一个以性能优化和稳定性提升为主的更新。特别是SDIO模式的支持,为需要高速存储访问的应用开辟了新的可能性。同时,多项底层库的更新和bug修复使得整个开发框架更加健壮。对于使用RP2040进行开发的Arduino用户来说,升级到这个版本将获得更好的开发体验和更强大的功能支持。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00